ارزیابی کیفیت محیط زیست با استفاده از شاخص اکولوژیکی سنجش از دور بهبود یافته (IRSEI) با استفاده از سامانه گوگل ارث انجین (مطالعه موردی: شهرستان قائمشهر)
کلمات کلیدی:
شاخص IRSEI, روش PCA, ماهواره لندست, شهرستان قائمشهرچکیده
نظارت بر کیفیت اکولوژیکی و محیط زیستی در حوضه و تجزیه و تحلیل عوامل محرک برای حفاظت از محیط زیست اکولوژیکی و بهبود کیفیت اقتصادی از اهمیت بالایی برخوردار است. در این مقاله از 5 دوره تصاویر سنجش از دور لندست در سال‌های 2009، 2014، 2019 و 2024 به عنوان داده‌های پایه استفاده شده است و از بسترها و ابزارهای فنی مانند RS و GIS برای رمزگشایی و استخراج سه دوره اطلاعات کاربری اراضی استفاده شده است. شاخص اکولوژیکی سنجش از دور بهبود یافته (IRSEI) و روش تحلیل مؤلفه اصلی (PCA) برای ساخت مدل بهبود یافته شاخص محیط زیستی سنجش از دور (IRSEI) بر اساس سبزی (KNDVI)، رطوبت (LSM)، گرما (LST)، خشکی (NDBSI) و شوری (NDSI) به منظور تحقق نظارت پویا کیفیت اکولوژیکی و محیط زیستی در شهرستان قائمشهر، بر اساس روند بهبود شاخص اکولوژیکی سنجش از دور (IRSEI) انجام شد. نتایج نشان می‌دهد که شاخص اکولوژیکی سنجش از دور بهبودیافته (IRSEI) می‌تواند الگوی توزیع مکانی و روند تغییرات زمانی IRSEI را در منطقه مورد مطالعه به‌طور کارآمد و دقیق به دست آورد که با ویژگی‌های شاخص‌های این منطقه همخوانی بیشتری دارد. IRSEI در منطقه مورد مطالعه از سال 2009 تا 2024 روند کاهشی نشان داد، از 6154/0 به 5240/0 رسید و نسبت طبقات اکولوژیکی طبقات خیلی ضعیف و ضعیف سال به سال در طول دوره افزایش یافت. در بین شاخص‌های ارزیابی، KNDVI و NDBSI از عوامل اصلی تأثیرگذار بر کیفیت محیط زیستی و اکولوژیکی شهرستان قائمشهر هستند و افزایش پوشش گیاهی، تنظیم اقلیم و فعالیت‌های انسانی تأثیرات ترویجی آشکاری بر بهبود محیط زیست محیطی دارد.
دانلودها
مراجع
1. Zhao, G. Q., Chen, L. W., Mu, J., Li, T. X., Li, J. P., Ma, Y. M., ... & Wang, Y. (2018). Discussion on construction of ecological environment quality evaluation system. Meteor. Environ. Sci, 41, 1-11.
2. Cao, C., Yang, G. L., Suo, X. H., Liu, T., An, X. W., & Hu, D. (2022). Analysis of ecological environment change in Fuxin City based on remote sensing ecological index. J. Northwest For. Univ, 37, 200-207.
3. Xianglin, J. I., Yueguan, Y. A. N., Wei, G. U. O., Yongjia, T. E. N. G., & Chuanwu, Z. H. A. O. (2023). Ecological environment assessment of Shanxi Province and planned mining area based on coupling Remote Sensing Ecological Index (RSEI) model. Coal Geology & Exploration, 51(3), 103-112.
4. Karbalaei Saleh, S., Amoushahi, S., & Gholipour, M. (2021). Spatiotemporal ecological quality assessment of metropolitan cities: A case study of central Iran. Environmental monitoring and assessment, 193(5), 305.
5- رنجبر, سعیده و کامیاب, حمیدرضا . (1399). ارزیابی ناهمگونی مکانی در کیفیت بوم‌شناختی با استفاده از فن‌آوری سنجش‌ازدور (مطالعه موردی: حوضه آبخیز قره‌سو). جغرافیا و مخاطرات محیطی، 9(4): 161-145.
6. Xu, H., Wang, Y., Guan, H., Shi, T., & Hu, X. (2019). Detecting ecological changes with a remote sensing based ecological index (RSEI) produced time series and change vector analysis. Remote Sensing, 11(20), 2345.
7. Duo, L., Wang, J., Zhong, Y., Jiang, C., Chen, Y., & Guo, X. (2024). Ecological environment quality assessment of coal mining cities based on GEE platform: A case study of Shuozhou, China. International Journal of Coal Science & Technology, 11(1), 75.
8. Ge, J., Qian, C., Zhang, C., Zhang, L., Song, W., Na, F., ... & Jiang, S. (2024). IRSEI-based monitoring of ecological quality and analysis of drivers in the Daling River Basin. Scientific Reports, 14(1), 14506.
9. Guo, H., Zhang, B., Bai, Y., & He, X. (2017, November). Ecological environment assessment based on remote sensing in Zhengzhou. In IOP Conference Series: Earth and Environmental Science (Vol. 94, No. 1, p. 012190). IOP Publishing.
10. Yue, H., Liu, Y., Li, Y., & Lu, Y. (2019). Eco-environmental quality assessment in China’s 35 major cities based on remote sensing ecological index. Ieee Access, 7, 51295-51311
11. Camps-Valls, G., Campos-Taberner, M., Moreno-Martínez, Á., Walther, S., Duveiller, G., Cescatti, A., ... & Running, S. W. (2021). A unified vegetation index for quantifying the terrestrial biosphere. Science Advances, 7(9), eabc7447.
12. Essa, W., Verbeiren, B., van der Kwast, J., Van de Voorde, T., & Batelaan, O. (2012). Evaluation of the DisTrad thermal sharpening methodology for urban areas. International Journal of Applied Earth Observation and Geoinformation, 19, 163-172.
13. Baig, M. H. A., Zhang, L., Shuai, T., & Tong, Q. (2014). Derivation of a tasselled cap transformation based on Landsat 8 at-satellite reflectance. Remote Sensing Letters, 5(5), 423-431.
14. Chatterjee, R. S., Singh, N., Thapa, S., Sharma, D., & Kumar, D. (2017). Retrieval of land surface temperature (LST) from landsat TM6 and TIRS data by single channel radiative transfer algorithm using satellite and ground-based inputs. International journal of applied earth observation and geoinformation, 58, 264-277.
15. Khan, N. M., Rastoskuev, V. V., Sato, Y., & Shiozawa, S. (2005). Assessment of hydrosaline land degradation by using a simple approach of remote sensing indicators. Agricultural Water Management, 77(1-3), 96-109.
16. Anselin, L., Syabri, I., & Kho, Y. (2006). GeoDa: An introduction to spatial data analysis. Geographical Analysis, 38(1), 5–22.
17. Xu, H., & Deng, W. (2022). Rationality analysis of MRSEI and its difference with RSEI. Remote Sensing Technology and Application, 37(1), 1-7.
